基于地理探测器的甘肃省NDVI驱动因子定量分析

2019-09-18杨淑萍韩海东

甘肃农业大学学报 2019年4期

杨淑萍，韩海东

(1.中国科学院西北生态环境资源研究院内陆河流域生态水文重点实验室，甘肃兰州 730000；2.中国科学院西北生态环境资源研究院冰冻圈科学国家重点实验室，甘肃兰州 730000；3.中国科学院大学，北京 100049)

陆地生态系统中的植被，在维持全球物质与能量循环、调节全球碳平衡及维护气候稳定等方面发挥着重要作用[1].植被覆盖度是反映植被群落生长的重要指标，也是刻画区域生态环境的重要参数[2].在中、小区域的研究中，遥感方法是分析植被覆盖的有效手段.归一化植被指数(NDVI)是近红外波段和红外波段的比值参数，是应用最广泛的表征地表植被覆盖状况的指标.为了更有效地保护生态环境、促进可持续发展，既要了解NDVI时空变化特征，又要清楚造成NDVI空间分异的原因.要准确地分析造成其空间分异的原因以及未来的变化趋势，需要确定各个驱动因子在NDVI空间分异中所起的作用.

影响NDVI的驱动因子众多，可以归纳为自然因素和人文因素两大类[3].关于两类因素对NDVI的影响，已经有大量研究.在研究自然因素影响时，主要探讨的是气温、降水等气候因子[4].如王娜云等[5]研究发现甘肃省植被覆盖与降水呈正相关，与气温呈负相关；YANG等[6]研究表明，在河西典型荒漠植被区，降水是造成NDVI最大值增加的关键因素；曹博等[7]发现祁连山西部、陇中黄土高原西北部的植被对气温响应的滞后性较强.也有学者研究发现NDVI与海拔、植被组成和水土流失有很复杂的关系[8-10].近年来，人类活动对生态环境影响越来越大，人文因素的影响亦不容忽视[11]，由于人为因素的影响较难进行定量，所以相比于自然因素的研究要少一些.韦振峰等[12]研究表明西北地区引水灌溉、城市扩建给植被带来了不同程度的影响；戴声佩等[13]研究也发现土地利用、植被建设等人类活动对西北地区NDVI有重要影响；魏小琴等[14]研究发现人类活动、经济发展对NDVI产生一定影响.但是，这些研究普遍存在驱动因子选择不全面、评估方法不准确、单因子影响测度缺少、多因子交互作用度量难等问题，这对于驱动机制分析的客观性产生一定程度的影响.因此，迫切需要一种更好的方法来定量探讨自然因子和人文因子对NDVI的影响.

地理探测器是一种新的探测空间分异性和揭示其背后驱动因子的统计分析方法，它既可以度量自变量对因变量的解释度，又可以分析两因子的交互作用对因变量的影响[19].

甘肃省生态环境较为脆弱，是实施退耕还林工程的重要区域，在风沙防治、水土保持、生态保护方面扮演着重要的角色.因此，本文以甘肃省为研究区域，运用地理探测器模型，结合空间叠置法、自然断点法，分析2015年度及该年度不同季节NDVI空间分异的主导因子，揭示NDVI空间分异特征、动力机制，以及各驱动因子之间的相互作用，为甘肃省生态环境建设与改善提供科学依据.

1 研究区概况与方法

1.1 研究区概况

甘肃省位于我国西部地区，地处黄河中上游，位于N 32°11′～42°57′、E 92°13′～108°46′之间，主要位于我国地势二级阶梯上，为黄土高原、青藏高原和内蒙古高原三大高原的交汇地带.甘肃省气候类型多样，包括亚热带季风气候、温带季风气候、温带大陆性气候和高山高原气候等4大气候类型，大部分地区气候干燥、降雨量少，主要为干旱、半干旱区.研究区地表植被分异特征明显，自西北向东南依次为荒漠、荒漠草原、草原、森林.该地区虽然森林覆盖率低，但野生植物种类繁多，分布广泛.

1.2 NDVI的决定因素及其代理变量

NDVI受自然因素和人文因素的共同影响.本文选择平均气温、平均降水、海拔、植被类型和土壤类型作为自然影响因子进行研究.选择土地利用类型、人口密度、GDP作为人文影响因子进行研究.NDVI决定因素及其代理变量如图1所示.

1.3 数据来源

2015年度以及该年度不同季节NDVI及代理变量由中国科学院资源环境科学网(http://www.resdc.cn)提供.气温、降水数据由中国气象数据网(http://data.cma.cn)提供，利用甘肃省2015年29个气象站点的数据，采用反距离加权的方法对气温降水进行插值(图2-A、B)；DEM数字高程数据来源于中国科学院计算机网络信息中心国际科学数据镜像网站(http://www.gscloud.cn)，使用SRTMD EM 90 m分辨率高程数据(图2-C)；土壤类型空间分布数据根据全国土壤普查办公室编制并出版的《1∶100万中华人民共和国土壤图》数字化生成(图2-D)；植被类型数据来源于《1∶1 000 000中国植被图集》(图2-E)；土地利用类型数据是在2015年Landsat8遥感影像基础上，通过人工目视解译生成(图2-F)；人口密度、GDP数据是将2015年县级行政区为统计单元的人口、GDP数据展布到空间网格上，从而实现人口、GDP的空间化(图2-G、H).

图1 NDVI的决定因素及其代理变量Figure 1 Determinants and proxies of NDVI

1.4 研究方法

1.4.1 自然断点法

自然断点法是基于数据中固有的自然分组，对分类间隔加以识别，可对相似值进行恰当的分组，可使各类之间的差异最大化.这种方法完全根据数据的分布规律，避免了人为因素的干扰[21].

由于地理探测器中要求自变量为类型量，本文中除了植被类型、土壤类型、土地利用类型为类型量之外，其余自变量如气温、降水、海拔、人口密度、GDP为数值量，因此利用自然断点法将其进行分类.

1.4.2 空间叠置法将NDVI与分类的气温、降水、海拔、植被类型、土壤类型、土地利用类型、人口密度、GDP等各要素进行叠加，分析各要素与NDVI空间分异特征.

1.4.3 地理探测器模型地理探测器是王劲峰等[15]提出的用于探测空间分异性的一种新的统计学方法，它可以定量地揭示空间分异背后的驱动力因子，其核心思想是如果某个自变量对因变量有重要影响，那么自变量和因变量的空间分布应该具有相似性.最初被用于研究探测神经管畸形的自然和人为因素[22].地理探测器主要包括因子探测、风险区探测、交互作用探测等.

1) 因子探测：主要用于探测因变量Y的空间分异性以及探测各个因子X对于Y的空间分异解释力度的大小，用q表示.公式如下：

研究区被划分为h=1，2，…，L个子区域，Nh和N分别为层h和全区的单元数，σ2表示总体的方差，SSW、SST分别表示子区域方差之和、全区总方差.q的取值范围为[0，1]，q值的大小表示自变量X对因变量Y的解释力度，q值越大，表示X对Y的空间分异的解释力度越强.q=0时，表示X和Y没有任何关系，q=1时，表示X可以完全解释Y的空间分异，q变换之后满足非中心F分布[23]，可以检验q值是否通过显著性检验.

本文研究以NDVI作为应变量Y，气温、降水、海拔、土壤类型、土地利用类型、人口密度、GDP作为自变量X，探测自变量X对Y的空间分异的解释力度.如在研究植被类型对NDVI空间分异的影响时，植被类型分为6类，所以将研究区分为6个子区域，h=6，代入公式计算出子区域的方差之和以及全区总方差，得到q值.

2) 交互因子探测主要是识别不同因子Xi(气温、降水、海拔、植被类型、土壤类型、土地利用类型、人口密度、GDP)两两交互作用对Y(NDVI)的空间分异解释力度是增强或减弱.先分别计算X1和X2对Y的解释力度q(X1)和q(X2)，再计算它们交互时的q(X1∩X2)，最后比较这3个量，来确定因子间交互影响类型(表1).

3) 风险区探测主要计算某一影响因子(气温、降水、海拔、植被类型、土壤类型、土地利用类型、人口密度、GDP)在不同子区域的NDVI的平均值，并且用t统计量来检验子区域的NDVI均值是否有显著差异.风险区探测可以搜索植被覆盖好的区域，用于探测NDVI驱动因子的适宜类型或范围.

图2 代理变量的空间分布Figure 2 The spatial distribution of geographic proxy variable

2 结果与分析

2.1 NDVI的空间格局

2015年甘肃省年平均NDVI空间分布如图3所示.总体来说，甘肃省2015年NDVI由南向北呈现出明显的纬度地带性，南部的陇南山区、甘南草原NDVI值较高，这些地区气温温和，降水较多，地表以森林草原为主，植被长势较好.陇中高原和陇东高原NDVI值一般，这些地方水热条件较好，再加上近年来实施的退耕还林、还草政策，促进了植被的恢复[24].但是陇中高原的北部，由于人类活动的过度影响，乱砍乱伐现象严重，导致草场退化和土地沙化，NDVI值较低.甘肃省中部的NDVI空间分异较大，生态环境较为复杂，其中祁连山地和乌鞘岭NDVI值较高，植被呈现出明显的垂直分布，河西走廊虽然降水量较少，但是地势平坦、日照充足，加之分布有石羊河、黑河、疏勒河等河流，引水灌溉条件较好，是著名的沙漠绿洲和农业生产基地，NDVI值一般.而北山山地地区，靠近腾格里沙漠和巴丹吉林沙漠，NDVI值较低，以荒漠为主，山岩裸露，常年高温，加之降水很少，植物难以生长.

表1 交互作用类型及判据

图3 2015年甘肃省年NDVI空间分布Figure 3 Spatial distribution of annual NDVI in Gansu Province in 2015

2.2 NDVI驱动因子探测

利用因子探测器探测2015年及各个季节的气温、降水、海拔、植被类型、土壤类型、土地利用类型、人口密度、GDP对NDVI的影响.

表2为2015年及季节NDVI的自然与人文因子的q值.对于年NDVI空间分异，各因子影响程度的排序为：降水(0.73)>植被类型(0.69)>土地利用类型(0.53)>土壤类型(0.48)>气温(0.31)>人口密度(0.23)>GDP(0.13)>海拔(0.11).对于各个季节来说，春季影响因子排序基本与年排序相差不大，夏季、秋季影响因子排序与年排序一致，都是以降水为主导，而冬季则变为以植被类型为主导.

甘肃省NDVI空间分异是自然因子和人文因子共同作用的结果，降水、植被类型、土壤类型等自然因子对NDVI具有较强的贡献率，而人文因子中除了土地利用类型贡献率较大外，其余因子的贡献率都很小.所以，对于甘肃省NDVI空间分异的影响因子来说，自然因子占主导，人文因子的影响较小，自然因子的影响是人文因子影响的2～3倍.

2.3 NDVI驱动因子交互探测

利用交互作用探测器探测不同驱动因子之间的交互作用对NDVI空间分异的影响.

任何两因子的交互作用对年、各个季节NDVI的影响都要大于一个因子的单独作用，而且大部分都表现出双因子增强.就年NDVI的交互作用而言，结果如表3所示，较大的交互作用解释力度排序为：降水∩植被类型=降水∩土壤类型>降水∩土地利用类型>降水∩海拔>气温∩植被类型>植被类型∩土地利用类型=降水∩气温=植被类型∩土壤类型>降水∩ GDP>降水∩人口密度=植被类型∩海拔>植被类型∩人口密度>植被类型∩GDP>土壤类型∩土地利用类型，这些因子交互作用的解释力度均在70%以上，可以看出虽然人文因子的单独影响较小，但是与自然因子的交互作用影响较大，自然因子之间的交互作用影响更大.在非线性增强中，主要为自然因子和人文因子的交互.对于各个季节而言，因子之间交互作用较强.由表4可以看出，春季、夏季、秋季以及年度的降水与植被类型、土壤类型的交互作用对NDVI的解释力度较大，而对于冬季来说，植被类型与土壤类型、气温的交互作用的解释力度较大.

表2 各季节NDVI驱动因子的q值

表3 2015年NDVI驱动因子的交互作用

2.4 风险区探测

通过风险区探测可以得出2015年度以及本年度不同季节NDVI的自然、人文因子的适宜类型或范围.

由表5可知：对于年度NDVI，适宜的气温为11.91～15.96 ℃，降水范围为399.50～454.05 mm，海拔为2 483～3 764 m，植被类型为针阔混交林，适宜的土壤类型为淋溶土，土地利用类型为林地，人口密度为45～2 391人/km2，GDP为129～432元/km2和974～2 194元/km2.对于各个季节来说适宜的类型或范围与年NDVI的适宜类型或范围有所区别，但相差不大.总体来看，NDVI高值区平均气温多为10～15 ℃(冬季除外)，降水各季节差异较大，植被类型多为针叶林、针阔混交林和阔叶林，土壤类型都为淋溶土，土地利用类型都为林地，人口密度多为129～2 194人/km2，GDP一般分为两个阶段，较低的阶段为129～1 143元/km2，较高的阶段为4 061～9 922元/km2.

表4 各季节NDVI驱动因子交互作用的q值

表5 各季节NDVI驱动因子的适宜类型或范围

3 讨论

在具有典型干旱半干旱气候的甘肃省，自然因子是影响NDVI空间分异的主导因子，其中区域降水是控制植被生长的最主要因子.降水的缺少对于植被生长是极其不利的，这也与以往的研究结果相符[25].但是在秋季的研究中，曹博等[7]认为NDVI与气温的相关性更大，而本文研究得出的是降水对其解释更强，这可能是由于选取的数据源和研究年份的不同所导致.同样，植被类型对NDVI空间分异的影响也比较大[26]，针阔混交林、阔叶林和针叶林的NDVI值较高，结果与郭铌等[28]的研究基本一致.再者，土壤类型也是决定NDVI空间分异的重要因子，它不仅影响植物自身的生长，也限制着植物的类型和空间分布[29]，淋溶土和半淋溶土分布的地方NDVI较高，而漠土等不适宜植被生长.此外，马宗文等[30]研究表明海拔是环渤海地区NDVI的主要影响因子，而本文研究发现海拔对于甘肃省NDVI的解释力度较低.这可能是因为在作为气温促进区的环渤海地区，植被生长主要取决于气温[31]，而气温受海拔影响较大，所以海拔是环渤海地区NDVI主要影响因子；而甘肃省属于降水限制区，加之空气比较干燥，所以海拔对NDVI解释力度较低.该发现与庞静等[32]对于同为干旱区的新疆的研究结论相吻合.

人文影响因子中，只有土地利用类型对于NDVI空间分异的影响较大，土地利用类型可以在很大程度上作为综合各种人类活动影响的指标，它的改变可以在很大程度上改变NDVI[33].其中林地、草原和耕地NDVI较高，而城乡、工矿和荒漠等地的NDVI较低.但相比于自然因子中的降水和植被类型对NDVI的影响，土地利用类型的影响较小，人文因子中的人口密度、GDP对NDVI空间分异的影响更小.

NDVI与影响因子之间的关系复杂，它不只是受单个因子影响，而是受多因子之间复杂的相互作用制约[34].本文研究发现自然因子的交互作用对甘肃省NDVI空间分异影响更大，尤其降水与植被类型、土壤类型的交互作用.植被类型本身对NDVI的影响较大，再加上降水对植被的生长有促进作用，所以降水和植被类型的交互作用对NDVI空间分异的解释力度大，土壤类型直接制约着植物能否有效吸收利用养分，而降水是土壤中水分的主要来源，因此，土壤类型和降水的交互作用对NDVI空间分异的影响也较大.

本研究尽可能多地考虑了影响NDVI空间分异的自然因子和人文因子，并且定量地描述了各因子单独对NDVI空间分异解释力度的影响，以及各因子之间交互作用对NDVI空间分异解释力度的影响.由于影响NDVI空间分异的影响因子比较复杂，加上数据的获取受到限制，仍有一些因子没有涵盖在内，如国家政策等.虽然本文考虑了双因子之间的交互作用，但是多因子之间的交互作用却很难度量，之后相关的研究可以将其考虑在内.